Iceye предложит клиентам программный интерфейс для управления полезной нагрузкой своих спутников [ссылка]

Финская компания Iceye, которой принадлежит группировка радарных спутников, объявила о выпуске двух API (интерфейсов прикладного программирования). Один из них автоматизирует процесс постановки задач спутникам. Другой автоматизирует процесс запроса клиентами радарных снимков из архива Iceye, насчитывающего более 60 тыс. изображений.

Предоставление заказчику возможности управления постановкой задачи на съемку становится всё более распространенной услугой, предлагаемой коммерческими компаниями ДЗЗ.

Не все аппараты Iceye будут снабжены API. Его точно не будет на спутниках, предназначенных исключительно для национальных заказчиков, таких как Объединенные Арабские Эмираты.

#iceye

DeltaDTM — это глобальная цифровая модель рельефа в прибрежной зоне с горизонтальным пространственным разрешением 1” (∼30 м) и средней абсолютной ошибкой (MAE) по вертикали — 0,45 м. DeltaDTM корректирует Copernicus DEM за счёт использования космических лидарных данных, полученных ICESat-2 и GEDI. Этот процесс включает в себя коррекцию смещения, фильтрацию пикселей, не относящихся к рельефу (например, растительности и зданий), и заполнение пробелов с помощью интерполяции. DeltaDTM уделяет особое внимание прибрежным районам, лежащим ниже уровня моря, которые наиболее уязвимы к повышению уровня моря, оседанию и экстремальным погодным явлениям.

Данные о прибрежном рельефе необходимы для широкого спектра приложений, таких как управление прибрежными районами, моделирование наводнений и планирование адаптации к изменениям климата.

📖 Pronk, M., Hooijer, A., Eilander, D. et al. DeltaDTM: A global coastal digital terrain model. Sci Data 11, 273 (2024). https://doi.org/10.1038/s41597-024-03091-9
🛢 Скачать данные
🗺 DeltaDTM на GEE

#DEM #данные #GEE

Hisea-1 SAR Floodwater Mapping Dataset

Набор данных создан на основе 20 снимков китайского радарного спутника Hisea-1, полученных во время трёх различных наводнений в 2021 году. Все снимки являются продуктами ORG (orthorectification geolocation) уровня 2, снятыми в маршрутном режиме с пространственным разрешение 3 м и имеют поляризацию VV (вертикально-вертикальную).

Все снимки размечены вручную. Все наборы образцов распределены случайным образом в соотношении 6:2:2 и разделены на 1404 обучающих набора, 468 проверочных и 468 тестовых наборов (всего 2340 образцов данных).

Набор данных охватывает площадь 20 тыс. кв. км и содержит реки, притоки, водохранилища, озера и рисовые поля. Он может быть использован для глубокого обучения в задачах выделения областей затопления.

🛢 Данные на Zenodo

📖 Lv, S., Meng, L., Edwing, D., Xue, S., Geng, X., & Yan, X.-H. (2022). High-Performance Segmentation for Flood Mapping of HISEA-1 SAR Remote Sensing Images. Remote Sensing, 14(21), 5504. https://doi.org/10.3390/rs14215504 — описание создания набора данных и обучение моделей на его основе.

#нейронки #данные #наводнение

Начался отбор на Всероссийскую программу «Стратосферный спутник» 2024 года! Ждём ваши заявки💫

Как это было в прошлом году, можно посмотреть тут

До 1 июня вы можете подать заявку на участие, чтобы получить возможность собрать свой собственный спутник и испытать его в стратосфере!

Что для этого надо сделать:
🛰 собрать команду из одного наставника и трёх участников, из которых один может быть студентом СПО или ВУЗа;
🛰 придумать эксперимент, который хотели бы провести в стратосфере;
🛰 перейти на сайт https://stratosputnik.ru/ и заполнить форму для участия;
🛰 дождаться, когда с вами свяжутся организаторы и пришлют форму для заполнения заявки. Заполнить её, отправить обратно и ждать результатов!

3 июня мы назовем 10 команд, которые получат набор конструктора спутника для дальнейшей разработки проекта и приглашение на финал программы.

Что важно: «Стратосферный спутник» проходит в двух лигах:
🚀 Лига «Стратонавт-кандидат» для тех, кто впервые участвует в программе и продумывает свой эксперимент для кубсата форм-фактора 1U.

🚀 Лига «Стратонавт-испытатель» для бывалых участников, чей научный интерес не умещается в один юнит кубсата — им мы даём кубсат форм-фактора 3U.

Более подробная информация и регистрация на сайте https://stratosputnik.ru/

Присоединяйтесь

Эксперименты по наблюдению Земли на МКС 6–12 мая 2024 года

На Международной космической станции продолжается полёт российских участников 71-й длительной экспедиции — космонавтов Роскосмоса Олега Кононенко, Николая Чуба и Александра Гребёнкина.

6 и 7 мая по программе полета российского сегмента станции выполнялись эксперименты:

🔹 УФ-атмосфера — картография ночной атмосферы в ближнем ультрафиолетовом диапазоне широкоугольным детектором с большой апертурой и высоким пространственно-временным разрешением.
🔹 Ураган — отработка технических средств и методов контроля развития катастрофических явлений природного и техногенного характера на Земле или их предвестников.

Источники: 1, 2

#МКС

78 лет назад, 13 мая 1946 года в соответствии с Постановлением Совета Министров СССР №1017-419сс “Вопросы реактивного вооружения” в Министерстве вооружения на базе завода № 88 был создан Научно-исследовательский институт реактивного вооружения — НИИ-88. В 1967 году НИИ-88 переименован в Центральный научно-исследовательский институт машиностроения — ЦНИИмаш.

#история

Набор данных WorldStrat (https://worldstrat.github.io) содержит бесплатные спутниковые снимки высокого и среднего разрешения общей площадью около 10 тысяч кв. км, которые обеспечивают стратифицированное представление основных типов землепользования по всему миру.

К каждому снимку высокого разрешения (1,5 м/пиксель) прилагается несколько соответствующих ему по времени снимков среднего разрешения со спутников Sentinel-2 (10 м/пиксель).

🛢 Данные на Zenodo

🖥 Код на GitHub. Здесь есть несколько предобученных моделей для повышения пространственного разрешения снимков ДЗЗ (т.н. “super-resolution”), а также python-пакет для создания или расширения набора данных.

📖 J. Cornebise, I. Oršolic, F. Kalaitzis. (2022) High-Resolution Satellite Imagery: The WorldStrat Dataset – With Application to Super-Resolution, Advances in Neural Information Processing System 35, Proceedings of NeurIPS 2022. URL: https://openreview.net/forum?id=DEigo9L8xZA

#данные #нейронки

Первый российский гиперспектрометр для наноспутников успешно прошел лётные испытания на орбите [ссылка]

Отечественный гиперспектрометр для наноспутников, разработанный учёными Самарского университета им. Королёва и Института систем обработки изображений (ИСОИ) РАН, успешно прошел лётные испытания в космосе.

Прибор был установлен на борту наноспутника SXC3-219 ИСОИ, выведенного на орбиту 9 августа 2022 года. Размеры спутника: 10х10х30 см (CubeSat 3U). Ранее гиперспектрометры на отечественных космических аппаратах подобного класса не устанавливались.

Испытания подтвердили работоспособность предложенной самарскими учёными схемы внутреннего крепления элементов гиперспектрометра.

Дело в том, что на орбите гиперспектрометр постоянно подвергается значительным изменениям температуры. Колебания температуры вызывают деформацию линз и других элементов конструкции, что приводит к искажениям изображения. Чтобы избежать таких искажений, космический гиперспектрометр снабжают специальной системой термостабилизации — неким подобием "термоса". Однако он занимает много места и, кроме того, потребляет электроэнергию.

Самарские ученые в 2020 году предложили инновационный подход — изменить традиционную схему расположения крепёжных элементов оптики гиперспектрометра. Оказалось, что если крепёжные элементы разместить радиально, то оптическую систему можно будет регулировать при помощи двух компактных шаговых двигателей. Эти двигатели примерно на порядок легче системы термостабилизации, без которой теперь можно обойтись, и потребляют гораздо меньше электроэнергии.

Гиперспектрометр основан на схеме Оффнера. Съёмка осуществляется в видимом и ближнем инфракрасном диапазонах. Количество спектральных каналов — от 150 до 300, спектральное разрешение — от 2 до 4 нм. Масса гиперспектрометра — 1,6 кг, размеры — 13 х 9,4 х 9,4 см.

#гиперспектр #россия

Открывается подача расширенных тезисов на конференцию по космическому образованию "Дорога в космос"!🚀

📅Конференция состоится 1-5 октября 2024 г. в ИКИ РАН. Её цель — обсудить задачи и проблемы космического образования в России и за рубежом в школах, вузах и аспирантуре, вопросы популяризации космических исследований и привлечения молодежи для будущей работы в космической отрасли.
Эта конференция станет третьей для ИКИ РАН — первые две состоялись в 2019 и 2021 гг.

🚀Приглашаем к участию!

📌Регистрация с докладом до 12 июля 2024 г.
📌 Развернутые тезисы докладов (3–5 страниц) принимаются с 13 мая до 20 августа 2024 г.

👉Подробная информация на сайте конференции https://roadtospace.cosmos.ru/
👉Эл.почта оргкомитета [email protected]

Объявлены победители конкурса визуализации открытых спутниковых данных Pale Blue Dot, организованного NASA [ссылка]

Задача конкурса заключалась в использовании открытых данных NASA для создания визуализаций, способствующих достижению целей устойчивого развития, объявленных ООН. Необходимо было использовать как минимум один общедоступный набор данных наблюдения Земли, собранный NASA, а все используемые данные должны были находиться в свободном и открытом доступе.

В статье приведены ссылки на решения победителей и репозитории с кодом.

Нам показались интересными данные, на которых основывалось решение одного из победителей конкурса — H2plastic из Бразилии. Они использовали данные о концентрации микропластика в океане, полученные группировкой спутников CYGNSS методом ГНСС-рефлектометрии:

🔗 CYGNSS Ocean Microplastic Concentration (Version 1.0)

#GNSSR #данные

Спутниковая активность компании RocketLab

В апреле нынешнего года американская компания Rocket Lab заключила контракт на 32 млн долларов на демонстрационную миссию Victus Haze, призванную проверить и расширить возможности военных по быстрому развёртыванию спутников в ответ на угрозы в космосе.

В рамках контракта Rocket Lab спроектирует, построит, запустит и будет эксплуатировать космический аппарат, способный выполнять операции рандеву и сближения, с целевой датой вывода на орбиту в 2025 году. После начала военных учений, Rocket Lab получит команду на запуск космического аппарата, и должна в короткий срок (в предыдущей миссии, Victus Nox, этот срок составлял сутки) вывести спутник на орбиту с помощью ракеты-носителя Electron, также принадлежащего компании.

На орбите спутник Rocket Lab будет выполнять манёвры в непосредственной близости от спутника Jackal компании True Anomaly.

Полезную нагрузку для получения космических снимков на спутнике Rocket Lab в рамках миссии Victus Haze поставит Ливерморская национальная лаборатория им. Лоуренса. Это будет монолитный телескоп, изготовленный из цельного куска плавленого кварца (single piece of fused silica), что, по словам разработчиков, избавит от необходимости выравнивания и калибровки после изготовления прибора, обеспечивая при этом наилучшее возможное разрешение.

В настоящее время Rocket Lab производит спутники для Агентства космического развития (SDA) по контракту стоимостью 515 млн долларов. Они станут частью низкоорбитальной сети военных спутников, известной как Transport Layer Tranche 2 Beta, запуск которой запланирован на середину 2027 года.

Для спутников SDA Rocket Lab будет использовать собственную спутниковую платформу, солнечные батареи, звездные датчики, двигатели-маховики, радиоаппаратуру, программное обеспечение, авионику, элементы конструкции и пусковые устройства. Субподрядчиками выступят CesiumAstro, Mynaric, SEAKR Engineering, Collins Aerospace, Redwire Space и Parsons Corporation. В качестве генерального подрядчика Rocket Lab будет контролировать интеграцию полезной нагрузки и других подсистем.

Контракт с SDA является для Rocket Lab крупнейшим на сегодняшний день контрактом по созданию спутников.

#США #война

Помните, в прошлом году мы изучали R и собирались приступить к работе с векторными данными?

Судя по отзывам читателей, у них остались вопросы по данным растровым. На этой неделе мы дополним рассказ о применении функций к слоям данных, а также познакомимся с категоризацией данных.

Применение функций к слоям данных: app и lapp

app применяет ко всем слоям растрового объекта SpatRaster заданную функцию fun, подобно тому как это делает apply для матрицы или таблицы.

r <- rast(ncols=3, nrows=3)
values(r) <- 1:ncell(r)
x <- c(r, sqrt(r), r+50)
s <- app(x, fun=sum)
s
# Для функций вроде
# "sum", "mean" и "max" можно сделать так:
# sum(x)

Можно посмотреть, как суммируются значения соответствующих пикселей всех слоёв x:

values(x)
values(s)

lapp (от layer-apply) позволяет объединить несколько слоёв растровых объектов. Его можно использовать как альтернативу растровой алгебре:

s <- rast(system.file("ex/logo.tif", package="terra")) + 1  
ss <- s[[2:1]]

fvi <- function(x, y) {(x - y ) / (x + y)} 
x <- lapp(ss, fun=fvi)
# Другой вариант:
y <- fvi(s[[2]], s[[1]])

Количество аргументов функции fun должно соответствовать количеству слоёв растра.

f2 <- function(x, y, z){ (z - y + 1) / (x + y + 1) } 
p1 <- lapp(s, fun=f2)
p2 <- lapp(s[[1:2]], f2, z=200)

#R

GCAT: General Catalog of Artificial Space Objects

Общий каталог искусственных космических объектов — General Catalog of Artificial Space Objects (GCAT) — разработан и поддерживается Джонатаном Макдауэллом (Jonathan C. McDowell). Каталог содержит данные об искусственных космических объектах, начиная с запуска “Спутника-1” в 1957 году. Регулярное обновление данных происходит примерно раз в месяц.

Искусственный космический объект (object) — это спутник или космический аппарат (активная полезная нагрузка, ступень ракеты, отброшенный компонент, обломки), находящийся за пределами нижних слоев атмосферы Земли.

Подмножество объектов считается полезной нагрузкой (payload) и имеет дополнительные атрибуты в каталогах полезной нагрузки.

Всего GCAT состоит из одиннадцати каталогов объектов и пяти каталогов полезной нагрузки. Данные хранятся в виде текстовых файлов с разделителем-табуляцией. С точки зрения реляционных баз данных, все каталоги объектов, ровно как и каталоги полезных нагрузок, можно объединить в одну таблицу без потери информации.

🔗Список каталогов GCAT, их описание
🔗Атрибуты каталогов объектов
🔗Атрибуты каталогов полезных нагрузок

🔗 Каталог основных полезных нагрузок (спутников)

👨🏻‍🏫Презентация GCAT, где Джонатан объясняет, чем GCAT отличается от SATCAT и откуда берётся информация для GCAT.

GCAT доступен под открытой лицензией Creative Commons CC-BY.

#справка #наблюдение

Как пыль из Северной Африки попадает в Европу

Пыль светлого песочно-коричневого цвета, контрастирующая с белыми облаками, показана на снимках, сделанных прибором VIIRS спутника NOAA-20 с 22 по 24 апреля нынешнего года.

Проследить за движением пыли можно с помощью ▶️ Worldview: 22 апреля облако пыли находится на северо-востоке Ливии, 23-го апреля оно движется в сторону Греции ⬆️, а 24-го апреля пыль видна над Украиной.

#снимки

Применение функций к слоям данных: tapp и xapp

tapp применяет функцию fun к подмножествам слоёв SpatRaster, аналогично tapply и aggregate.

Слои объединяются на основе индекса. Например, для растра с шестью слоями можно использовать index=c(1,1,1,2,2,2). Он означает, что три первых слоя принадлежат одному подмножеству, а три следующих — другому. Если задана функция fun=sum, то на выходе получим SpatRaster с двумя слоями: суммой первых трёх слоев входного растра и суммой последних трёх слоев его же:

r <- rast(ncols=10, nrows=10)
values(r) <- 1:ncell(r)
s <- c(r, r, r, r, r, r)
s <- s * 1:6
b1 <- tapp(s, index=c(1,1,1,2,2,2), fun=sum)
b1
b2 <- tapp(s, c(1,2,3,1,2,3), fun=sum)
b2

Индексы могут повторяться, так что index=c(1,2) для растра с шестью слоями снова вернёт растр, состоящий их двух слоёв: один основан на нечетных слоях (1,3,5), другой — на чётных (2,4,6).

А вот пример поинтересней. В нём используется новый атрибут растровых данных — время, которое задаётся функцией time. С помощью tapp мы применяем заданные функции к слоям, сгруппированным по месяцам:

r <- rast(system.file("ex/elev.tif", package="terra"))
rst <- rep(r, 6) * 1:6
time(rst) <- as.POSIXct(c("2023-01-16","2023-01-17","2023-01-18","2023-02-17","2023-02-18","2023-02-19"),tz="UTC")

# Максимум по месяцам
x <- tapp(rst, "months", max) 
# 95-й процентиль по месяцам
y <- tapp(rst, "months", fun = function(i) quantile(i, probs = 0.95, na.rm = T))

Применяет функцию к ячейкам двух растров, в том числе многослойных.

Вычислим попиксельную корреляцию между двумя многослойными растрами:

r <- rast(ncols=3, nrows=3, nlyr=5)
set.seed(1)
r <- init(r, runif)
s <- init(r, runif)
x <- xapp(r, s, fun=cor)

#R

Использование прибрежной поверхностной солёности в мониторинге глобальных изменений круговорота воды [ссылка]

Более 40% населения планеты живет в пределах 100 км от побережий морей и океанов. Ожидается, что по мере потепления климата круговорот воды в природе будет меняться. По прогнозам, сток с суши увеличится примерно на 7% , что окажет значительное влияние на прибрежную зону океана. Прибрежная зона может стать ключевым местом для изучения глобальных изменений круговорота воды и его воздействия на физические и биогеохимические процессы. Поскольку реки сбрасывают в океан пресную воду, они влияют на солёность океана. Наблюдения за солёностью in situ и со спутников можно использовать для отслеживания линз пресной воды, выходящих из устьев рек (так называемых речных плюмов), по мере их смешивания с океанскими водами.

Наблюдаемые со спутника значительные колебания солёности поверхности моря (sea surface salinity, SSS) происходят на побережье из года в год (⬆️ синий цвет в океане). В прилегающих районах суши этим колебаниям соответствуют колебания осадков (⬆️ зеленый цвет на суше). Так, большая синяя область у восточного побережья Южной Америки связана с оттоком воды из двух крупных рек: Амазонки и Ориноко, а зелёная область в прилегающей части суши показывает, откуда берутся эти воды с низкой солёностью — из осадков в тропических лесах Амазонки и за её пределами.

Прибрежная SSS может быть использована в качестве индикатора изменений, которые ожидаются в круговороте воды между океанами и континентами. Для обнаружения этих изменений применяются агрегированные глобальные наблюдения SSS в прибрежной зоне ⬇️, полученные с помощью миссий SAC-D Aquarius (2011–2015), SMOS (2010–настоящее время) и SMAP (2015–настоящее время):

🛢 Multi-Mission Optimally Interpolated Sea Surface Salinity Global Dataset V2

#вода #данные